復雜背景下的目標檢測與跟蹤技術研究.pdf

1、動態(tài)目標的跟蹤是現(xiàn)行視覺處理中的一個熱點和難點，其廣泛的應用前景和視覺效果的重要意義使其成為圖像處理領域的重要課題；同時視覺環(huán)境的多樣性和復雜性則是穩(wěn)定有效地完成跟蹤任務的難點。本文采用MeanShift算法并結合Kalman濾波器，能夠穩(wěn)健實時地實現(xiàn)目標跟蹤。 從簡單背景、低速運動到復雜背景、高速運動，視覺處理領域的跟蹤算法非常之多。基于核密度估計的MeanShift匹配算法，以圖像直方圖分布作為匹配跟蹤的依據(jù)，對目標的外形和

2、尺寸不敏感，具有快速、穩(wěn)定、有效的優(yōu)點。文中以MeanShift為核心算法，實現(xiàn)復雜背景下的目標跟蹤，并利用nalman濾波器完成目標位置的預測及目標模板的及時更新，提高了算法的穩(wěn)健性。 由于MeanShift算法需要對圖像進行窮舉匹配，并且難以跟蹤快速運動的目標。而利用Kalman濾波器可以對目標的狀態(tài)進行有效預測，減少匹配運算次數(shù)。因此以Kalman預測結果作為MeanShift匹配算法的起始點，經(jīng)過若干次匹配便可得到目標的

3、精確位置，且快速運動目標的跟蹤效果也得到改善。即使在目標被完全遮擋的情況下，以預測結果作為目標位置等待目標的再次出現(xiàn)。在一定的匹配準則下，建立自適應Kalman濾波器組對目標模板進行及時更新，避免了由于跟蹤環(huán)境的改變帶來的跟蹤任務的失敗。 本文利用LabVIEW軟件編程環(huán)境實現(xiàn)MeanShift與Kalman濾波器結合的跟蹤算法，在多次實驗調(diào)試下，很好地完成了復雜背景下的目標跟蹤任務，得到了很好的實驗效果，并給出了跟蹤效果圖和算